Definieren Sie Aggfunc für jede Spalte Werte in Pandas Pivot-Tabelle

Question

Wurde versucht, eine Pivot-Tabelle mit mehreren Spalten "Werte" zu generieren. Ich weiß, dass ich Aggfunc verwenden kann, um Werte zu aggregieren, wie ich will, aber was ist, wenn ich nicht beide Spalten zusammenfassen möchte, sondern stattdessen die Summe einer Spalte und die der anderen Spalte benötige. Also ist es möglich, dies mit Pandas zu tun?

df = pd.DataFrame({ 
      'A' : ['one', 'one', 'two', 'three'] * 6, 
      'B' : ['A', 'B', 'C'] * 8, 
      'C' : ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 4, 
      'D' : np.random.randn(24), 
      'E' : np.random.randn(24) 
}) 

Nun wird dies eine Pivot-Tabelle mit Summe erhalten:

pd.pivot_table(df, values=['D','E'], rows=['B'], aggfunc=np.sum) 

Und dieses für Mittel:

pd.pivot_table(df, values=['D','E'], rows=['B'], aggfunc=np.mean) 

Wie kann ich Summe für D und bedeuten für E bekommen?

Hope meine Frage ist klar genug.

Answer 1

Sie können Concat zwei Datenrahmen:

>>> df1 = pd.pivot_table(df, values=['D'], rows=['B'], aggfunc=np.sum) 
>>> df2 = pd.pivot_table(df, values=['E'], rows=['B'], aggfunc=np.mean) 
>>> pd.concat((df1, df2), axis=1) 
      D   E 
B      
A 1.810847 -0.524178 
B 2.762190 -0.443031 
C 0.867519 0.078460 

oder Sie können Pass Liste der Funktionen als aggfunc Parameter und indizieren dann:

>>> df3 = pd.pivot_table(df, values=['D','E'], rows=['B'], aggfunc=[np.sum, np.mean]) 
>>> df3 
     sum    mean   
      D   E   D   E 
B           
A 1.810847 -4.193425 0.226356 -0.524178 
B 2.762190 -3.544245 0.345274 -0.443031 
C 0.867519 0.627677 0.108440 0.078460 
>>> df3 = df3.ix[:, [('sum', 'D'), ('mean','E')]] 
>>> df3.columns = ['D', 'E'] 
>>> df3 
      D   E 
B      
A 1.810847 -0.524178 
B 2.762190 -0.443031 
C 0.867519 0.078460 

Alghouth, wäre es schön, haben eine Option zum Definieren aggfunc für jede Spalte einzeln. Weiß nicht, wie es gemacht werden könnte, kann in aggfunc dict-like Parameter übergeben werden, wie {'D':np.mean, 'E':np.sum}.

Update Eigentlich Sie in Ihrem Fall kann von Hand Dreh:

>>> df.groupby('B').aggregate({'D':np.sum, 'E':np.mean}) 
      E   D 
B      
A -0.524178 1.810847 
B -0.443031 2.762190 
C 0.078460 0.867519 

Answer 2

Sie können, indem man in einem dict eine bestimmte Funktion auf eine bestimmte Spalte anwenden.

pd.pivot_table(df, values=['D','E'], rows=['B'], aggfunc={'D':np.sum, 'E':np.mean})